Naše najnovije priče, uvidi i saveti

Generativna veštačka inteligencija nije strateško proročanstvo kakvim je mnogi predstavljaju. Kao i svaki drugi oblik AI-a, ona je ogledalo koje reflektuje obrasce, trendove i odluke iz prošlosti. Ne može pouzdano otvoriti nove puteve niti generisati zaista inovativna rešenja, s obzirom na to da se oslanja na već postojeće podatke i naučene verovatnoće. Međutim, postoje tri načina na koja lideri mogu koristiti generativnu AI kako bi podržali donošenje odluka usmerenih ka budućnosti i time usmerili organizacije ka rastu i inovacijama: kao platformu za razmenu ideja, za istraživanje scenarija i kao alat za generisanje ideja. Da bi se AI efikasno koristila u donošenju strateških odluka, od ključne je važnosti da menadžeri i lideri razumeju ograničenja koja su inherentna načinu na koji ona generiše rezultate.

Veštačka inteligencija (AI) se pojavila kao transformativna sila koja preoblikuje poslovne pejzaže u različitim industrijama. Iako generativna AI predstavlja najnoviji proboj u ovoj oblasti tehnoloških inovacija, ona se izdvaja time što fundamentalno izaziva tradicionalne paradigme strateškog donošenja odluka. Za razliku od svojih prethodnika, ova tehnologija nudi neviđene sposobnosti u obradi jezika i generisanju sadržaja, omogućavajući organizacijama da sintetišu složene informacije, generišu nijansirane uvide i ubrzaju donošenje odluka sa zapanjujućom preciznošću i dubinom.

Ipak, postoji ključna zabluda ugrađena u ovu viziju: generativna AI jednostavno nije strateško proročanstvo kakvim je mnogi predstavljaju. Kao i svaki drugi AI, ona je ogledalo koje reflektuje obrasce, trendove i odluke iz prošlosti. Da bi se AI efikasno koristila u donošenju strateških odluka, od ključne je važnosti da menadžeri i lideri razumeju ograničenja načina na koji generiše rezultate.

Ograničenja

AI je izuzetno sposoban u prepoznavanju ustaljenih obrazaca i optimizaciji procesa na osnovu istorijskih podataka. U tome je ostvario značajan uticaj na poslovne odluke. Može podržati odluke o kreditima predviđanjem rizika od neplaćanja sa visokim stepenom preciznosti; sprečiti kvarove mašina pokretanjem održavanja opreme pre nego što se dogode; optimizovati odluke u lancu snabdevanja prilagođavajući se brzo promenljivim okolnostima; i lako sažimati sadržaj iz dokumenata. Generativna AI dodaje nove sposobnosti na ovu rastuću listu: nedavne studije pokazuju da AI već može da generiše i procenjuje poslovne planove na nivou ekvivalentnom ljudima.

S obzirom na napredak AI-a, istaknuti zagovornici — uključujući pokojnog Danijela Kanemana — čak su tvrdili da bi ljudi trebali biti zamenjeni algoritmima gde god je to moguće. Međutim, postoji greška u toj logici. Bez obzira na to koliko AI može postati sposobna, ona ne može pouzdano otvoriti nove puteve niti generisati zaista inovativna rešenja jer se oslanja na prethodno postojeće podatke i naučene verovatnoće.

Ovo se odnosi i na generativnu AI. Njeni rezultati su zasnovani na naučenim korelacijama iz prošlih podataka. U suštini, njen odgovor na bilo koji zadati upit je predikcija zasnovana na stohastičkim obrascima koje je AI videla tokom obuke. Kada ima mnogo podataka za obuku, ovo funkcioniše izuzetno dobro. Ali to takođe dovodi do dobro dokumentovanih problema kao što su halucinacije, nestabilnost odgovora na upite i problemi sa zastarelim znanjem.

Na primer, zamislite da generativnu AI pitate da odredi strateški pravac kompanije. Ona će, po pravilu, replicirati ono što je već videla u svojim podacima za obuku i ponoviti ustaljene obrasce koje je naučila. Ovo se može eksperimentalno pokazati. Ako se generativni AI sistemi uzastopno obučavaju na sopstvenim rezultatima, predikcija će se urušiti u roku od nekoliko iteracija. Razlog je taj što će AI pojačavati predikcije iz centra odgovarajućih distribucija koje je naučila — do tačke u kojoj njen izlaz postaje potpuno besmislen. Još zabrinjavajuće, ako dodate dodatni tekst koji je očigledno nerelevantan za originalni upit, njen izlaz će i dalje značajno opasti jer nije u stanju da razlikuje koje informacije u upitu su zaista relevantne.

AI sistemi mogu biti vrlo elokventni, ali nisu sposobni da razumeju kontekst niti da rezonuju. Njeni uvidi su zasnovani isključivo na korelacijama. Kao što diskutujemo u nedavnom radu, ljudi imaju ključnu prednost: možemo razvijati nove intuicije ili teorije i testirati ih u stvarnom svetu. Ovo je od suštinskog značaja za strateško donošenje odluka. Najbolje strategije često idu „protiv struje“ konvencionalne mudrosti. Kompanije poput Amazona, Southwest Airlinesa, Spotifyja, Tesle ili Airbnba uspele su izazivanjem — a ne jačanjem — ustaljenih obrazaca na svojim tržištima. AI može ponoviti ono što je u prošlosti funkcionisalo na osnovu svojih podataka za obuku. Ali ona nema način da gleda unapred. Na primer, u vreme braće Rajt, hipotetički AI sistem bi samo reflektovao naučni konsenzus tog vremena da je let ljudi u letelicama težim od vazduha nemoguć.

Iako AI ima svoja ograničenja, ona se ipak može koristiti na snažne načine. Korišćenjem računarskih sposobnosti AI-a za unapređenje ljudskog prosuđivanja, a ne za njegovo zamenjivanje, organizacije mogu iskoristiti njene prednosti dok se oslanjaju na ljudsku intuiciju, kreativnost i uzročno zaključivanje kako bi inovirale i predvodile u neistraženim teritorijama. Identifikovali smo tri načina na koja lideri mogu efikasno koristiti generativnu AI za podršku donošenju strateških odluka koje vode organizacije ka rastu i inovacijama.

1. Kao platforma za razmenu ideja

Jedna od ključnih karakteristika generativne AI je njena sposobnost da generiše detaljan sadržaj kao odgovor na jednostavna uputstva ili upite. Ovi upiti mogu biti oblikovani tako da AI usvaja različite „ličnosti“, poput segmenata kupaca, omogućavajući korišćenje AI-a kao platforme za razmenu ideja. AI se može upotrebiti za odgovaranje na pitanja iz različitih uglova ili tačaka gledišta, bez ograničenja u pogledu obima ili troškova. Ono što je ranije zahtevalo skupe i dugotrajne fokus grupe sa kupcima ili konsultantske projekte sada se može istraživati pomoću promišljeno osmišljenih upita. AI sistem postaje, na neki način, novi član tima — sposoban da savetuje o verovatnim odgovorima na postavljena pitanja. Promenom upita i persona, moguće je koristiti AI za generisanje širokog spektra verovatnih odgovora ili ishoda — na način koji je ranije zahtevao značajna sredstva i vreme.

Međutim, zbog inherentnih ograničenja načina na koji AI generiše sadržaj, lideri bi njene uvide trebalo da koriste kao osnovu za preispitivanje ustaljenih praksi, a ne za njihovu slepu validaciju. AI može biti platforma za strategiju, za istraživanje, izazivanje i proširenje ideja, ali ne sme postati odjek onoga što je već poznato.

2. Za istraživanje scenarija

Kada su suočeni sa određenim skupom strateških opcija, generativni AI sistem može pomoći u definisanju potencijalnih ishoda za svaku od njih. Upućivanjem AI-a da usvoji određeni scenario omogućava se strukturisano istraživanje „šta ako“ scenarija. Ti scenariji mogu biti tipični prediktivni scenariji koji koriste trenutno znanje za procenu verovatnih budućih situacija. S obzirom na opsežno znanje ugrađeno u podatke na kojima je generativna AI obučena, scenariji mogu uključivati i istraživačke scenarije koji koriste sadašnje trendove za procenu verovatnog nastavka tih trendova u budućnosti, kao i normativne scenarije koji skiciraju određenu viziju budućnosti i puteve za njeno ostvarenje.

Međutim, umesto da se AI posmatra kao konačni autoritet, donosioci odluka bi njene rezultate trebalo da tretiraju kao privremene uvide koji im omogućavaju da identifikuju nove obrasce koji izazivaju konvencionalno razmišljanje. Oni bi trebalo da istražuju šta možda nedostaje ili je pogrešno predstavljeno.

S obzirom na to da generativni AI sistemi bolje funkcionišu na manjim, užim zadacima, pri istraživanju složenih pitanja — onih koja su svojstvena kreiranju strategije — najbolje je razložiti scenarije od interesa na manje komponente i generisati odgovore za svaki aspekt, pre nego što se ti odgovori kombinuju u jedno rešenje.

3. Kao alat za generisanje ideja

Stvaranje novog sadržaja — tekstova, slika, video materijala i zvuka — postalo je zaštitni znak revolucije generativne AI. AI ovde ima dve prednosti: može brzo generisati sadržaj uz male troškove i može kombinovati različite modalitete, poput korišćenja tekstualnih upita za generisanje slika ili video materijala. Ova jedinstvena sposobnost čini je odličnim alatom za proveru novih ideja i podršku procesu razvoja proizvoda. U suštini, alati generativne AI pružaju mogućnost da se koristi kao digitalna platforma za skiciranje ideja koja prevazilazi sve modalitete: tekst, slike, video i zvuk.

Jedna stvar koju treba imati na umu je da AI može generisati sadržaj velikom brzinom. Međutim, ljudska sposobnost za proveru tog sadržaja je ograničena. Dakle, više nije uvek bolje. Umesto da generišete veliki broj nasumičnih izlaza, najbolje je biti direktivan i izabrati specifične aspekte koje želite istražiti. Nešto poput procesa identifikacije potencijalnih aktivnih jedinjenja u otkrivanju lekova, trik je da se počne sa širokim spektrom opcija, a zatim brzo suzi izbor eliminisanjem neperspektivnih kandidata.

Napredak: Pozicioniranje AI-a kao strateškog dodatka

Da bi generativna AI postala vredan deo donošenja strateških odluka i kreiranja strategije, viši menadžeri moraju je posmatrati kao moćan dodatak ljudskoj kogniciji. Ona je veoma pogodna za pružanje uvida zasnovanih na obrascima i generisanje novog sadržaja. Međutim, bez obzira na to koliko sposobna AI postane u budućnosti, ljudske prednosti — posebno u uzročnom zaključivanju i donošenju odluka usmerenih na budućnost — ostaće ključne za navigaciju kroz neizvesnost i stvaranje inovacija. Osnovni mehanizam svakog AI sistema je predikcija, koja mu omogućava da briljira u prepoznavanju prošlih ili postojećih trendova. Ipak, na ljudima je da zamisle potpuno nove pravce i postave strateške ciljeve koji prevazilaze granice poznatih podataka.

Ako nikada ranije niste intervjuisali nekoga i sada vam je to zadatak, ne brinite. Kao i svaka druga veština, i „vođenje razgovora za posao“ možete savladati vežbom. Evo nekoliko saveta koji vam mogu pomoći da brzo naučite: (1) Pre intervjua, identifikujte koje veštine kandidat mora da poseduje, a koje se mogu naučiti na poslu; (2) Uverite se da vaša pitanja podstiču kandidate da podele konkretne primere; (3) Vežbajte sa kolegom unapred i zamolite ga da vam daje teške odgovore kako biste se pripremili za neočekivane situacije; (4) Na početku intervjua postavite pozitivan ton tako što ćete kandidata pitati kako im je protekao dan; (5) Vodite beleške – ne oslanjajte se na pamćenje, posebno ako intervjuišete više ljudi; i (6) Evaluirajte kandidata – i sopstveno iskustvo vođenja intervjua.

Nikada neću zaboraviti prvi put kada sam intervjuisala nekoga za posao. Tek sam započela rad na novoj poziciji u regrutaciji, i sa drhtavim rukama birala sam broj kandidata. Prošla sam kroz pitanja za skrining glasom koji je bio nesigurniji od njihovog. Prisustvo koleginice koja je posmatrala ceo proces samo je povećalo pritisak, ali su njene povratne informacije postale temelj mog napretka. Vremenom sam sprovela još hiljade intervjua, zaposlila stotine ljudi i počela da uživam u tom procesu.

Ako nikada ranije niste intervjuisali nekoga i sada vam je to zadatak, ne brinite. Kao i svaka druga veština, možete to savladati vežbom. Na osnovu mog iskustva, evo šest saveta koji vam mogu pomoći da brzo naučite.

1. Razumite kontekst

Postoje dva konteksta koja treba uzeti u obzir pre intervjua: kontekst posla (šta tačno tražite za ovu poziciju?) i kontekst kandidata (s obzirom na njihovu prošlost i iskustvo, šta želite da saznate više?). Pogledajmo svaki od njih detaljnije.

Kontekst posla

Upoznajte se sa opisom posla, ključnim odgovornostima i potrebnim veštinama za ovu ulogu. Šta je potrebno da kandidat bude uspešan? Da li su neke veštine neophodne, dok su druge „poželjne“? Gde možete napraviti kompromis, a gde ne? Koje zadatke ili odgovornosti možete naučiti osobu na poslu, a koje veštine moraju da poseduju već prvog dana?

Na primer, u zavisnosti od uloge, možda vam je potreban stručnjak za određeni programski jezik. Druge veštine, poput poznavanja programa kao što su Excel ili Google Analytics, mogu biti manje bitne za početak i mogu se naučiti na poslu.

Kontekst kandidata

Pregledajte kandidatov CV i označite oblasti koje želite da istražite tokom intervjua. Da li postoje prethodna iskustva, veštine ili ključni projekti na koje želite da se fokusirate? Da li postoji neka veština o kojoj želite da čujete više?

Na primer, ako tražite nekoga ko ima iskustvo u upravljanju više projekata istovremeno i ko je vešt u postavljanju prioriteta, a u njihovom CV-u piše „upravljanje više zadataka i projekata u globalnom timu“, to je prilično nejasno. Beležite da postavite pitanje kako biste saznali više o tome tokom intervjua. Na primer: „Recite mi više o vašem iskustvu rada na više projekata istovremeno. Kako ste to organizovali?“ Cilj je da dobijete uvid u projekte koje su radili, zadatke koje su obavljali i veštine koje su stekli kroz taj rad kako biste procenili da li su dobar izbor.

2. Pripremite pitanja za intervju

Vaš HR partner će vam verovatno dati listu pitanja za intervju. U nekim slučajevima, možete sarađivati na pisanju tih pitanja. U svakom slučaju, uverite se da imate kombinaciju pitanja o ponašanju i tehničkih pitanja prilagođenih toj ulozi. Većina pozicija zahteva kombinaciju „tvrdih“ i „mekih“ veština.

Da biste dobili najdetaljnije informacije, postavite pitanja koja zahtevaju konkretne primere. Na primer, ako želite da saznate nešto o kandidatovim veštinama rešavanja konflikata, možete ih pitati: „Recite mi o situaciji kada ste imali tešku diskusiju sa kolegom. Šta ste uradili?“ Ili, ako želite da procenite njihovu prilagodljivost promenama, pitajte: „Navedite primer situacije kada ste morali da prilagodite očekivanja u projektu. Šta se dogodilo i kako ste to rešili?“ Cilj je da kandidat opiše kako se snalazio u prošlim situacijama koje bi mogle da se pojave i na ovoj poziciji.

Za tehničke aspekte posla, postavite pitanja o specifičnim alatima ili veštinama potrebnim za obavljanje posla. Na primer, ako zapošljavate softverskog inženjera, možete ga pitati da navede ograničenja njegovog omiljenog programskog jezika. Ako zapošljavate stratega za sadržaj, možete ga pitati da opiše koje alate koristi za merenje učinka svog rada. Zahtevanje uzoraka rada ili kratka procena može takođe biti korisna.

3. Odradite probni intervju

Uobičajeno je da se kandidatima savetuje da rade probne intervjue, ali i vi, kao osoba koja prvi put intervjuiše, možete imati koristi od vežbanja. Preporučujem da simulaciju uradite sa pouzdanim kolegom ili regruterom iz vašeg tima za zapošljavanje.

Zamolite drugu osobu da vam daje neočekivane ili izazovne odgovore. Ovo će vam pomoći da vežbate brzo razmišljanje, dublje ispitivanje kada je potrebno i vraćanje razgovora na pravi tok. Na primer, šta ćete uraditi ako kandidat daje preduge odgovore ili se previše zadržava na jednom odgovoru? Možete vežbati ljubazno prekidanje: „Hvala vam na detaljnom odgovoru. U interesu vremena, hajde da pređemo na sledeće pitanje.“

Ako kandidat daje previše kratke ili nejasne odgovore, vežbajte postavljanje dodatnih pitanja kako biste prikupili više informacija: „Možete li podeliti više detalja o tome kako ste izveli [projekat ili zadatak]? Voleo/la bih da bolje razumem vaš pristup.“

Takođe, trebalo bi da predvidite nekoliko pitanja od strane kandidata. Probni intervju je sjajna prilika da razmislite o svojim odgovorima na uobičajena pitanja. Na primer, šta ćete odgovoriti ako kandidat pita zašto ste odabrali ovu kompaniju ili šta vam se najviše i najmanje dopada u vašoj ulozi? Uverite se da imate pripremljene promišljene odgovore.

4. Kreirajte prijatno okruženje

Na početku intervjua, pokušajte da postavite pozitivan ton. Počnite sa toplim pozdravom i neobaveznim razgovorom kako biste umanjili nervozu kandidata. Možete, na primer, pitati koliko im je bilo lako da pronađu kancelariju (za razgovore uživo) ili kako im je prošao dan do sada. Otkrio/la sam da započinjanje intervjua na ličnijem nivou – pre nego što pređem na ozbiljnija pitanja – pomaže kandidatu da se opusti i daje autentičniji uvid u njihovu ličnost.

Pored toga što pomaže kandidatu da se opusti, mala doza neformalnog razgovora može pomoći i vama da smirite sopstvene živce. Podsetite se da samo vodite razgovor.

Zatim, obavestite kandidata šta da očekuje tokom ostatka intervjua, uključujući njegovu strukturu, trajanje i na šta obraćate pažnju u njihovim odgovorima. Ova informacija će pomoći kandidatu, ali će vam takođe omogućiti da pregledate konkretne korake koje ćete preduzeti. Na kraju, proverite da li kandidat ima neka pitanja pre nego što nastavite.

Dok postavljate pitanja, pokažite iskreno interesovanje za odgovore kandidata. Nemojte obavljati više zadataka odjednom ili dozvoliti da vas nešto omete. Međutim, obavestite kandidata da ćete beležiti odgovore. Vaše angažovanje će podstaći dvosmerni dijalog i ohrabriti kandidata da se slobodnije izrazi.

Zapamtite da budete radoznali u vezi sa kandidatom i njihovim iskustvima. Ko zna, možda ćete naučiti nešto novo i neočekivano iz njihovih odgovora.

5. Beležite odgovore

Dok slušate odgovore kandidata, zabeležite ključne tačke. Nemojte se oslanjati na svoje pamćenje, naročito ako intervjuišete više kandidata. Beleške će vam pomoći da se prisetite važnih detalja o njihovim veštinama i iskustvima tokom procesa donošenja odluke.

Kako biste osigurali da vaše beleške budu nepristrasne i fokusirane na faktore povezane sa poslom, najbolje je da koristite vodič za intervju. To je strukturisani dokument koji pomaže u organizaciji intervjua i uključuje pitanja i teme koje ćete pokriti. Vodiči za intervjue imaju prazna polja za beleženje odgovora. Iako ne morate zapisivati odgovore kandidata doslovno, trudite se da zabeležite osnovni kontekst primera koje dele. Na primer, šta su tačno uradili u određenim situacijama? Koji rezultati ili veštine su bili povezani sa njihovim postupcima?

Takođe, vođenje beleški može vam pomoći da analizirate da li imate dovoljno informacija da donesete zaključke o određenom pitanju i da li treba da postavite dodatno: „Možete li mi reći malo više o X ili Y?“

Na kraju, ako kandidat ima poteškoća da odgovori na pitanje, nemojte ga odmah diskvalifikovati. Ponekad ljudima treba malo vremena da razmisle. Dajte im trenutak da skupe misli, a ako je i dalje teško, pređite na sledeće pitanje i vratite se na to na kraju ako imate vremena.

6. Evaluirajte kandidata i sopstvene veštine

Retko ćete naći kandidata koji ispunjava sve zahteve za poziciju. Najverovatnije ćete morati ponovo razmotriti svoju listu neophodnih i poželjnih veština i napraviti određene kompromise. Zapamtite, mnoge veštine se mogu naučiti na poslu. Zato se fokusirajte na to da izaberete kandidata koji poseduje ključne veštine koje ste prvobitno identifikovali. Nemojte čekati „idealnu osobu“. Umesto toga, balansirajte između onoga što vam je potrebno i brzine kojom to trebate, dok vodite efikasan proces selekcije.

Kao što kandidati neće biti savršeni, tako ni vaše veštine vođenja intervjua neće biti. Možda će vam biti korisno da pozovete regrutera ili kolegu sa kojim ste vežbali da posmatra intervju ili pregleda snimak i da vam pruži pozitivne i konstruktivne povratne informacije. Zabeležite šta je funkcionisalo i trudite se da unapredite jednu ili dve stvari tokom sledećeg intervjua.

Kada uspešno spojite pravog kandidata sa pravom ulogom, postavljate ih na put za ispunjavajuću karijeru. Ovo je nešto na šta možete biti ponosni – pozitivan uticaj na profesionalno putovanje nekoga drugog. Još uvek sam u kontaktu sa nekim kandidatima koje sam zaposlila pre skoro dve decenije. Neki su napredovali unutar iste kompanije, dok su drugi pronašli prilike negde drugde. I vi možete napraviti razliku, kako za nove, tako i za stare članove vašeg tima, ako primenite gore navedene korake kako biste doneli najbolju moguću odluku pri zapošljavanju.

Godina 2024. bila je izazovna za održivost, od klimatskih problema do nejednakosti. Tri glavna problema uključuju izbore i političke prevrate koji ugrožavaju napredak, povlačenje kompanija ili ćutanje o ciljevima DEI (raznolikost, inkluzija i jednakost) i ESG (ekološki, društveni i upravljački ciljevi), kao i porast izveštavanja o održivosti, koje (privremeno) oduzima vreme kompanijama. Ostali problemi iz protekle godine uključuju postizanje ključnih tačaka u čistoj ekonomiji, rast veštačke inteligencije koji ugrožava dekarbonizaciju, delimičan napredak teške industrije i početak obračuna sa „zelenim pranjem“.

Ova godina bila je teška za korporativnu održivost, posebno u SAD-u. Iako postoje pozitivne priče i razlozi za nadu, put ka pravednom svetu i zdravoj planeti nesumnjivo je postao teži. Zapravo, u više od dve decenije rada u oblasti održivosti, ovo je prvi put da sam video kako kompanije javno izjavljuju povlačenje iz društvenih ciljeva ili klimatskih akcija.

Tri egzistencijalna izazova — klimatske promene, gubitak biodiverziteta i nejednakost — nastavljaju da se pogoršavaju. U 2024. godini doživeli smo najtopliji dan u zabeleženoj istoriji, procenu Ujedinjenih nacija da smo izgubili rekordnih 73% divljih životinja u poslednjih 50 godina, rastući jaz između ekstremno bogatih i ostalih u većini sveta, i otpor prema raznolikosti, koji ne doprinosi poboljšanju rasne i rodne ravnopravnosti (u kontekstu u kojem većina Amerikanaca podržava DEI).

Pokret protiv ESG ciljeva postaje sve jači i već ima nekoliko istaknutih žrtava, čime se kompanije suočavaju sa nestabilnim pritiskom da se „drže podalje od politike“ i istovremeno doprinesu rešavanju zajedničkih društvenih problema.

Kako se godina bliži kraju, osvrnimo se na najvažnije teme u oblasti održivosti, počevši od tri velika izazova.

Izbori i politička previranja ugrožavaju napredak

Više od polovine sveta glasalo je na nacionalnim izborima u 2024. godini, sa seizmičkim rezultatima. Generalno, aktuelni lideri su izgubili, a desničarske populističke stranke su stekle ili zadržale vlast u mnogim zemljama, uključujući SAD.

Ovo je ključna priča o održivosti jer su desničarske populističke stranke obično neprijateljski nastrojene prema klimatskim akcijama ili, u najboljem slučaju, pasivne. (Na polju autokratskog liderstva, Kina je značajan izuzetak.) Što se tiče društvene održivosti, ekonomske politike ove grupe verovatno će pogoršati nejednakost (npr. predložene tarife novoizabranog predsednika Donalda Trumpa, prema ekonomistima, povećaće cene, što najviše pogađa najsiromašnije).

Rani signali dolazeće Trumpove administracije nisu ohrabrujući za klimatske akcije ili raznolikost i inkluziju. On je imenovao izvršnog direktora naftne kompanije za sekretara za energiju, obećao da će ponovo povući SAD iz Pariskog klimatskog sporazuma (uprkos molbama direktora Exxon Mobila da ostane), planira da uspori tranziciju ka električnim vozilima i preti da ukine Bajdenov Zakon o smanjenju inflacije, jednu od najvećih investicija u klimatske akcije do sada. Dodatno, zabrinutost izazivaju Trumpovi sudijski kandidati, koji bi mogli da podrivaju ekološki i društveni napredak. Na primer, ove godine presuda Vrhovnog suda SAD-a otežala je regulaciju zaštite životne sredine i javnog zdravlja ukidanjem presedana Chevron starog 40 godina.

Šta sve ovo znači za poslovanje ostaje nejasno, ali će predstavljati prepreku za većinu aspekata održivosti, stavljajući veći teret na kompanije da same pokreću promene.

Neke kompanije se povlače

Ove godine svedočili smo nečemu novom — izjavama protiv održivosti. Strahujući od bojkota i pritiska na društvenim mrežama, neke kompanije povukle su ili smanjile svoje ranije obaveze prema raznolikosti, pravima LGBTQ+ zajednice, ciljevima klimatskih promena, pa čak i „kulturnoj osvešćenosti“. Značajni primeri uključuju prodavnice Tractor Supply Company, John Deere, Jack Daniel’s, Black & Decker i najveću kompaniju na svetu po prihodima, Walmart.

Postoji mnogo dokaza da raznolikost mišljenja i pozadina donosi vrednost kompanijama. Stoga se ovo povlačenje ne čini strateškim. Čini se da je glavni razlog izbegavanje rizika po brend i prodaju zbog potencijalnih bojkota, pa čak i kako bi se sprečilo uznemiravanje zaposlenih. Iako ovde postoji neka logika u smanjenju rizika, kompanije možda potcenjuju potencijalne povećane rizike. Šta se dešava s brendom kada, recimo, pokažete svojim zaposlenima i kupcima iz LGBTQ+ zajednice da više ne podržavate njihova prava?

Daleko češće od ovakvih povlačenja bilo je „zeleno ćutanje“ — povlačenje iz javnih rasprava o naporima u oblasti održivosti. Kako mi je jedan direktor rekao: „Još uvek smo posvećeni svojim ciljevima održivosti, ali nećemo isticati svoje stavove.“ Na kraju, većina korporativnog rada na zaštiti životne sredine, poput smanjenja emisije ugljen-dioksida, verovatno će se nastaviti — ipak to rade jer je profitabilno. Međutim, društvena strana izgleda manje sigurno. Iz razgovora sa desetinama kompanija, čini se da dolazi do stvarnih promena, dok se rad na raznolikosti smanjuje (ili preimenjuje), a održivost ostaje u drugom planu.

Uprkos pritisku na investitore zbog njihovih napora u oblasti održivosti i ESG proizvoda — uključujući optužbe za „probudi se“ od anti-ESG sveta i „zeleno pranje“ od zagovornika održivosti — zeleno investiranje nije prestalo. BlackRock je i dalje privukao sredstva za svoje ESG i fondove za čistu ekonomiju, a čak su se i pravne akcije na državnom nivou protiv ESG-a donekle usporile.

Ipak, sav ovaj haos ima efekat hlađenja otvorenog dijaloga i saradnje među kompanijama — teško je stvoriti i mobilizovati partnerstva ako bukvalno ne razgovarate, što bi moglo usporiti akciju godinama. Strah od kontroverzi i lošeg publiciteta može dovesti do nestrateških, kratkoročnih i reaktivnih odluka. Ćutanje ne pomaže u rešavanju najvećih problema sa kojima se društvo suočava. Ljudi širom sveta žele da znaju stav kompanija o važnim pitanjima, a potrošači biraju brendove koji se slažu s njihovim vrednostima — ne možete ostati po strani, jer strane ne postoje.

Zahtevi za izveštavanje o održivosti opterećuju kompanije

Svaka kompanija koja je kotirana na berzi ili ima podružnicu u EU — što uključuje oko 50.000 organizacija — moraće da se uskladi sa Direktivom EU o korporativnom izveštavanju o održivosti (CSRD), koja stupa na snagu 2025. godine. Ovi zahtevi još uvek nisu savršeno osmišljeni za postizanje rezultata u održivosti, ali dugoročno gledano, obavezno merenje i izveštavanje je dobra stvar — zahteva barem neku pažnju prema održivosti, a kako glasi poznata izreka: „Ono što se meri, time se upravlja.“

Međutim, na kratki rok, odeljenja za održivost ulažu ogromnu energiju i vreme u razvoj novih sistema i procesa. Kompanije moraju da izveštavaju o svojim uticajima na društvo, što je za neke (posebno srednje velike kompanije) nešto što nikada ranije nisu radile. Većina njih takođe se bori da pribavi pouzdane podatke o emisijama u svom lancu vrednosti (tzv. Scope 3).

Na praktičnom nivou, ovi zahtevi za izveštavanjem verovatno su u 2024. godini više usporili stvarne akcije nego dva prethodna velika trenda. Pripreme za usklađivanje sa regulativama odvlače pažnju i resurse sa suštinskog posla — stvaranja održivijih kompanija. Jedan ohrabrujući trend: upoznao sam rukovodioce u velikim kompanijama koje su uvele nove ESG uloge unutar finansijskih odeljenja, što bi trebalo da smanji opterećenje odeljenja za održivost.

Čista ekonomija dostiže prekretnice

Emisije ugljen-dioksida i dalje rastu, ali ove godine videli smo i uzbudljiv napredak. Velika Britanija zatvorila je svoju poslednju termoelektranu na ugalj, smanjujući oslanjanje na ugalj za proizvodnju električne energije sa 80% u 1990. godini na nulu danas. Ovaj pomak doprineo je smanjenju emisija u EU za 8% prošle godine. Havaji su takođe zamenili svoju poslednju termoelektranu na ugalj velikim sistemom za skladištenje energije putem baterija.

Globalne investicije u čiste tehnologije ove godine dostigle su procenjenih 2 biliona dolara, što je dvostruko više od ulaganja u fosilna goriva. I pored nekih pokušaja da se uspori tranzicija ka čistom transportu u SAD-u, usvajanje električnih vozila brzo raste u drugim delovima sveta, sa više od 50% novih automobila prodatih u Kini koji su električni ili hibridi.

Eksponencijalni rast AI-a ugrožava napore za dekarbonizaciju

Tehnološki giganti — Amazon, Apple, Meta, Microsoft i Google — neki su od najvećih kupaca obnovljive energije u svetu. Međutim, nakon godina agresivnog smanjenja emisija, eksponencijalni rast veštačke inteligencije stvara pritisak na globalne zalihe električne energije i značajno utiče na njihove ciljeve. Tokom poslednje četiri godine, emisije Google-a i Microsoft-a porasle su za 50%, odnosno 30%.

Iako AI ima veliki potencijal da pomogne u rešavanju naših najvećih problema i smanjenju emisija — na primer, optimizacijom zgrada i transporta, upravljanjem čistim energetskim mrežama i smanjenjem otpada hrane — trenutna potrošnja energije i rast emisija nadmašuju ove koristi.

Teška industrija beleži određeni napredak

Neke od industrija sa najvećim emisijama tiho usvajaju tehnologije sa nižim emisijama ugljenika, poput električnih lučnih peći. Jedan od mojih omiljenih primera ove godine dolazi od klijenta Trane Technologies, lidera u sistemima za kontrolu klime. Kao deo svojih napora za dekarbonizaciju, kompanija je nabavila čelik sa nižim sadržajem ugljenika, uveren da će veliki kupci poput data centara želeti proizvode sa nižim ugrađenim ugljenikom. Na kraju, ovaj potez se isplatio, jer su i Trane i neki tehnološki giganti uložili više novca u održiviju opciju.

Ovo je bio pozitivan pomak, jer je poslovni model održivosti često opterećen dokazivanjem da su održiva rešenja jeftinija. Kompanije često nude proizvodne atribute — bilo da su vezani za održivost ili druge koristi — koji koštaju više, ali ih kupci zaista žele.

Početak obračuna sa „zelenim pranjem“

Kompanije se često optužuju za „zeleno pranje“ kada tvrde da su lideri u oblasti zaštite životne sredine, ali to ne podupiru merljivim akcijama. Međutim, sada se priče u medijima ili žalbe na društvenim mrežama u vezi sa „zelenim pranjem“ razvijaju u stvarne zakone. Direktiva EU pokrenula je pravne mere protiv kompanija koje koriste „zeleno pranje“ u marketingu. Poljoprivredni i prehrambeni gigant JBS suočio se sa protivljenjem planiranoj kotaciji na američkoj berzi zbog optužbi za lažne tvrdnje o održivosti kako bi povećao prodaju.

Zanimljivo je da sam za ove slučajeve saznao od kompanija koje su zabrinute da bi mogle biti tužene zbog optužbi za „zeleno pranje“, uprkos tome što je broj trenutnih pravnih postupaka relativno mali i usmeren na određene sektore. Iako ovo još nije velika tema, njen uticaj na raspoloženje u vezi sa održivošću je stvaran.

Časno pominjanje: Microsoft i Unilever preispituju sopstveno lobiranje

Uloga biznisa u oblikovanju politike održivosti često je potcenjena (i sada će biti potrebnija, s obzirom na rezultate izbora). Ove dve velike kompanije objavile su izveštaje kako bi, rečima Microsofta, „procenile koliko dobro [naša] trgovinska udruženja usklađuju sa našim ciljevima i vrednostima održivosti.“ Oba izveštaja otkrila su neusaglašenost između onoga što neka velika udruženja zagovaraju (ili osporavaju) i agresivnih ciljeva smanjenja emisija ugljenika koje kompanije imaju. Otvaranje ovih neslaganja javnoj kontroli je neuobičajeno i pokazuje liderstvo.

Nečasno pominjanje: Boeing daje prioritet profitu nad bezbednošću

Ako biste pravili listu atributa proizvoda koji su ključni za avione, počeli biste sa bezbednošću, bezbednošću i bezbednošću. Opsesija smanjenjem troškova i maksimizacijom kratkoročnih profita ove godine stigla je Boeing. Deo društvene odgovornosti je osiguranje bezbednosti zaposlenih i kupaca. Ova priča je neuspeh i u poslovanju i u održivosti.

. . .

Tokom ranih godina pandemije i ekonomskih previranja koja su usledila, napori u održivosti u kompanijama zapravo su porasli. To mi je ulilo nadu da je održivost postala trajna vrednost. I dalje je na agendi multinacionalnih kompanija — sa regulativama i pritiskom zainteresovanih strana, one moraju nešto raditi — ali se čini da danas malo izvršnih direktora želi da vodi na ovom polju.

Ova situacija je opasna i iskreno nadrealna, s obzirom na to da naši ekološki i društveni izazovi postaju sve očigledniji i skuplji. Dakle, kako se vratiti na pravi put 2025. godine, posebno uz manje pomoći nacionalnih vlada? Nekoliko stvari bi moglo pomoći. Mnoge regionalne, državne i lokalne vlasti nastaviće da promovišu klimatske akcije, podržavaju čistu ekonomiju i brane ljudska prava. Zaposleni koji brinu o ovim pitanjima mogli bi podići svoj glas.

I biznis bi mogao preuzeti odgovornost. Kada je predsednik Trump povukao SAD iz Pariskog klimatskog sporazuma 2017. godine, stotine kompanija potpisale su izjavu „Još smo tu“. A kada je odluka Vrhovnog suda SAD-a o slučaju Dobbs ukinula prava na abortus, mnoge kompanije su obavestile svoje zaposlene da će im platiti troškove putovanja u države sa boljom reproduktivnom zaštitom.

Stvari će biti drugačije 2025. godine, a neizvesnost o ulozi biznisa u društvu nikada nije bila veća. Ali sa hrabrošću, kompanije se mogu vratiti na put stvaranja sveta u kojem će svi napredovati.

Napredna veštačka inteligencija (AI) omogućava prenos stručnosti od ljudi ka mašinama i nazad ljudima kao nikada ranije. Ovaj članak ispituje tri slučaja u kojima se to dogodilo i predlaže kako bi ovi tehnološki napreci mogli poboljšati efikasnost donošenja odluka i unaprediti konkurentnost. Kompanije uključuju firmu za rizični kapital koja želi da unapredi početnu procenu investicionih prilika, kompaniju za satelitsku analizu podataka koja procenjuje kreditne rizike malih poljoprivrednika, i istraživačko-razvojnu jedinicu australijske kompanije koja želi da unapredi veštine rešavanja problema svojih zaposlenih.

Možda niste čuli za stručne sisteme, ali oni su već u upotrebi u mnogim oblastima, uključujući dijagnostiku grešaka, finansije i medicinu. U veštačkoj inteligenciji (AI), stručni sistem je kompjuterski program koji oponaša sposobnosti donošenja odluka ljudskog stručnjaka. Ovi sistemi su razvijeni da rešavaju složene probleme zaključivanjem kroz opsežne baze znanja, koristeći uglavnom pravila tipa "ako-onda" umesto tradicionalnog proceduralnog programiranja.

Međutim, do nedavno nisu ostvarili širok uticaj na donošenje menadžerskih odluka. Jedan od razloga je što su menadžerski konteksti mnogo promenljiviji nego u drugim aplikacijama. Sada, zbog promena u tehnologiji i AI-u, stručni sistemi postaju sve moćniji. Oni mogu zabeležiti stvarnu ljudsku stručnost uz nivo fleksibilnosti i prilagodljivosti koji je potreban.

Ovde objašnjavamo kako napredna AI omogućava prenos stručnosti od ljudi ka mašinama i nazad ljudima kao nikada ranije. Ispitujemo tri slučaja u kojima se to dogodilo i predlažemo kako bi ovi tehnološki napreci mogli poboljšati efikasnost vašeg strateškog donošenja odluka i unaprediti konkurentnost.

Procena investicionih prilika sa visokim povratom

Jedna nemačka firma za rizični kapital, koju ćemo nazvati Bavaria Ventures, uvek traži finansijski atraktivne startape. Međutim, kako objašnjava Josef, jedan od poslovnih partnera, „Videli smo dvocifreni rast u broju prijava koje primamo po analitičaru.“ Ovo je stavilo pritisak na kompaniju jer proces donošenja odluka uključuje proveru svake prijave. „To je i vremenski zahtevno i složeno,“ nastavlja Josef, „potrebno je uzeti u obzir brojne kontekstualne faktore, a lično prosuđivanje zasnovano na iskustvu igra ogromnu ulogu. Ali ogroman broj prijava znači da moramo delegirati prvu procenu mlađim analitičarima.“

Šta je kompanija uradila: Bavaria Ventures je želela brže i tačnije procene startapa zasnovane na onome što su njihovi glavni partneri smatrali najperspektivnijim. Umesto da nastave obučavanje mlađih analitičara sa nadom da će preneti šablon donošenja odluka kompanije na tačne procene, Bavaria Ventures se okrenula stvaranju hibridnog stručnog sistema koji je nazvan AI-4-VC.

„Prvi korak,“ kaže Josef, „bio je da se obratimo univerzitetu za pomoć u razvoju rešenja koje bi olakšalo brže i tačnije rangiranje prijava startapa.“ Ovaj alat je dizajniran da oponaša način na koji je iskusni menadžerski partner Bavaria Ventures procenjivao privlačnost startapa u prvoj rundi.

Prema Josefu, alat je razvijen kombinacijom mašinskog učenja (specifično, algoritma „random forest“ koji koristi odluke zasnovane na drveću za pravljenje predikcija) i dubokog učenja u obliku obrade prirodnog jezika. On objašnjava kako funkcioniše: „Rešenje rangira prijave prema tome koliko se poklapaju sa onim što tražimo. Viši analitičar povremeno pregleda rezultate da vidi da li želi da poništi algoritam. Ako viši analitičar to učini, algoritam uzima u obzir promene i prilagođava težinu kriterijuma. Stručni sistem implementira bilo kakve promene u preferencijama među menadžerskim partnerima gotovo u stvarnom vremenu.“

Rezultati: Posle određenog vremena, AI-4-VC je zamenio neke od mlađih analitičara i minimizovao vreme provedeno na prijavama koje nisu bile u skladu s potrebama. Ovo je omogućilo Bavaria Ventures da brže odgovori na prijave startapa sa najvećim potencijalom. Takođe su otkrili da je njihov AI-4-VC alat bio tačan čak i sa relativno malim skupovima podataka prijava.

Kako to sami da uradite: Profesionalac sa osnovnim znanjem mašinskog učenja može sastaviti sistem poput ovog. Velike tehnološke kompanije sada nude platforme koje olakšavaju kombinovanje mašinskog učenja sa obradom prirodnog jezika (NLP) za izgradnju vlastitog stručnog sistema. Ako tražite fleksibilnost i skalabilnost, platforme poput Google Cloud AI Platform, Amazon SageMaker ili Azure Machine Learning su odlične opcije. Za brže prototipove ili ako se fokusirate na NLP, alati poput Hugging Face ili Colab su verovatno bolja opcija.

Suočavanje sa prekomernim zahtevima klijenata

Jedna indijska kompanija za satelitsku analizu podataka, koju ćemo nazvati Sat Vista Analytics, nudi „inteligenciju za donošenje odluka iz svemira.“ Kako Rohan, direktor tehnologije kompanije opisuje, „Mi pružamo rezultate za banke kako bi procenile moguće kredite malim poljoprivrednicima, razumevajući koliko svaki poljoprivrednik može da zaradi. Takođe pomažemo agribiznisima da uspostave ugovore i postave cene svojih proizvoda [kakao, pirinač, pšenica] na osnovu očekivanih prinosima useva.“

Međutim, Sat Vista Analytics se borila sa preopterećenjem od broja analiza koje su zahtevali njihovi klijenti. Ove analize su zahtevale od kompanije da njeni specijalisti za daljinsku detekciju podataka obavljaju brojne zadatke, od predobrade podataka i analize spektralnih potpisivanja do interpretacije indeksa vegetacije.

Šta je kompanija uradila: Izvršni tim kompanije je analizirao situaciju i odlučio da klasična automatizacija procesa zasnovana na fiksnim pravilima neće funkcionisati. Tako je, kako Rohan objašnjava, „odlučeno da kreiramo ‘analitičke avatare’“, koji su AI zasnovani klonovi njihovih najboljih stručnjaka. Ovo je uključivalo praćenje praksi analize podataka najboljih specijalista za daljinsku detekciju podataka i pretvaranje tih obrazaca ponašanja u skup pravila (algoritama).

Ali ključno je bilo da su algoritmi zasnovani na posmatranju odluka specijalista o obradi podataka, a ne na pravilima koje su specijalisti sami pružili. Rohan je objasnio kako ovo funkcioniše: „Umesto da pitamo svakog specijalistu o njihovim preferiranim načinima obrade, analize i interpretacije satelitskih podataka kako bi se napravio skup preporuka, mi smo pratili šta je svaki specijalista zapravo radio sa različitim skupovima podataka.“ Analitički avatar je počeo sa jednostavnim pristupom zasnovanim na mašinskom učenju i nastavio da postaje složeniji kako su prikupljani podaci o ponašanju specijalista.

Rezultati: Danas, analitički avatare mogu imitirati ponašanje specijalista pri obradi podataka najboljih stručnjaka na nivou preciznosti, podsećanja i tačnosti koji zadovoljavaju većinu jednostavnih zahteva. Ovo je omogućilo ljudskim specijalistima da se fokusiraju na nove ili složenije zadatke. Štaviše, neiskusni specijalisti koji su tek došli u kompaniju sa univerziteta mogu da nauče najbolje prakse kompanije bez ometanja ljudskih stručnjaka.

Kako to sami da uradite: Potražite postojeće AI platforme koje omogućavaju AI modelima da automatski zabeleže i repliciraju obrasce donošenja odluka stručnjaka kroz posmatranje. Vaša idealna platforma treba da podrži kontinuirano učenje i obrada podataka u realnom vremenu. Ovo će omogućiti vašem AI sistemu da se razvija kako se prikupljaju novi podaci, omogućavajući inteligentno donošenje odluka zasnovano na ponašanju stručnjaka bez oslanjanja na unapred definisana pravila.

Unapređenje R&D veština za konkurentsku prednost

Jedna australijska kompanija, koju ćemo nazvati Be Smarter, želela je da poboljša veštine rešavanja problema svojih R&D zaposlenih kako bi poboljšala konkurentnost. Razmatrali su razvijanje online trening kurseva za unapređenje veština svojih zaposlenih u oblasti istraživanja i razvoja i metodama rešavanja problema.

Šta je kompanija uradila: Be Smarter je primenila fleksibilniji pristup. Ovo je uključivalo AI agente, pri čemu je svaki agent predstavljao specifičnu vrstu stručnosti. Kako Leo, šef R&D, objašnjava, „Agenti mogu da interpretiraju i generišu ljudski tekst kako bi obavljali širok spektar funkcija, kao što su objašnjavanje koncepata, odgovaranje na pitanja ili davanje specifičnih preporuka.“ Agent je fleksibilan i može isporučivati module kada zaposleni to zatraži ili preskočiti sadržaj kada nije potreban.

R&D zaposleni mogu koristiti različite agente kao asistente kako bi im pomogli da na problem gledaju iz neobičnog ugla. Leo je naveo slučaj u kojem „R&D zaposleni koji se suočava sa tehnološkim izazovom može da izabere više AI agenata kako bi im pomogao sa tehničkim objašnjenjem, novim pogledom ili uputstvima o tome kako da reše problem iz drugog ugla.“

Rezultati: AI agenti su pomogli R&D zaposlenima da pristupe najpogodnijim tehnološkim ili metodološkim ekspertizama kada je to bilo potrebno. Ovo se zasniva na preporukama njihovih kolega koji su ocenili koji agenti su najkorisniji za koji tip problema – preporučivački sistem. Ovo je smanjilo lične troškove obuke i povećalo efikasnost ponuđene podrške.

Kako to sami da uradite: Ako želite da unapredite svoje sposobnosti rešavanja problema, razmislite o implementaciji AI agenata koji predstavljaju specifične oblasti stručnosti. Pregledajte sve veću ponudu AI platformi za kreiranje agentnih sistema koji mogu da obrade složene upite i interaguju sa korisnicima kao da ih vodi ljudski stručnjak. Fokusirajte se na kreiranje fleksibilnog sistema u kojem zaposleni mogu izabrati agente koji su prilagođeni njihovim trenutnim potrebama, omogućavajući personalizovano učenje i pomoć.

. . .

Danas možete integrisati naprednu AI tehnologiju kako biste transformisali način na koji se stručnost prenosi i koristi unutar vaše organizacije. AI agenti sada mogu podržati dinamične sisteme donošenja odluka koji se prilagođavaju gotovo u stvarnom vremenu, pružajući vam veću fleksibilnost i brzinu u strateškom donošenju odluka.

Umesto da se oslanjate na statične stručne sisteme, obezbedite da vaši algoritmi za podršku donošenju odluka budu dizajnirani da se kontinuirano ažuriraju kroz povratne informacije. Ovo vam omogućava da ostanete agilni i donosíte bolje informisane odluke kako se uslovi menjaju. Lepota napredne AI je njena fleksibilnost da uključi promene odmah.

Kako AI nastavlja da se razvija, trebate proaktivno istraživati kako se ovi napreci mogu integrisati u vaše procese strateškog donošenja odluka. Ovo će vam pomoći da podstaknete inovacije i obezbedite da vaš biznis ostane konkurentan u brzo promenljivom okruženju.